该文基于TerraSAR-X/TanDEM-X(TSX/TDX)双基升降轨数据,首先采用非局部干涉(Non Local Interferometric SAR,NL-InSAR)相位滤波分别得到单航过升轨和降轨模式下的高分辨率DEM。在此基础上,基于NL-InSAR估计得到的较准确相干系数,提出一...该文基于TerraSAR-X/TanDEM-X(TSX/TDX)双基升降轨数据,首先采用非局部干涉(Non Local Interferometric SAR,NL-InSAR)相位滤波分别得到单航过升轨和降轨模式下的高分辨率DEM。在此基础上,基于NL-InSAR估计得到的较准确相干系数,提出一种升降轨DEM融合方法,恢复SAR侧视成像造成的几何畸变,提高DEM重建精度。该文采用两幅北京地区的TSX/TDX升降轨干涉对进行融合处理,结果表明,在地形复杂地区的叠掩和阴影等无效区域,融合之后的DEM无效点数明显减少。经统计,融合后无效点数比例由升轨、降轨的4.93%和4.52%降低到1.34%。同时,融合DEM的精度相比于升轨的6.74 m提高了8.7%、相比于降轨的6.67 m提高了9.6%,融合后高程精度达到6.09 m。展开更多
目的无监督单目图像深度估计是3维重建领域的一个重要方向,在视觉导航和障碍物检测等领域具有广泛的应用价值。针对目前主流方法存在的局部可微性问题,提出了一种基于局部平面参数预测的方法。方法将深度估计问题转化为局部平面参数估...目的无监督单目图像深度估计是3维重建领域的一个重要方向,在视觉导航和障碍物检测等领域具有广泛的应用价值。针对目前主流方法存在的局部可微性问题,提出了一种基于局部平面参数预测的方法。方法将深度估计问题转化为局部平面参数估计问题,使用局部平面参数预测模块代替多尺度估计中上采样及生成深度图的过程。在每个尺度的深度图预测中根据局部平面参数恢复至标准尺度,然后依据针孔相机模型得到标准尺度深度图,以避免使用双线性插值带来的局部可微性,从而有效规避陷入局部极小值,配合在网络跳层连接中引入的串联注意力机制,提升网络的特征提取能力。结果在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)自动驾驶数据集上进行了对比实验以及消融实验,与现存无监督方法和部分有监督方法进行对比,相比于最优数据,误差性指标降低了10%~20%,准确性指标提升了2%左右,同时,得到的稠密深度估计图具有清晰的边缘轮廓以及对反射区域更优的鲁棒性。结论本文提出的基于局部平面参数预测的深度估计方法,充分利用卷积特征信息,避免了训练过程中陷入局部极小值,同时对网络添加几何约束,使测试指标及视觉效果更加优秀。展开更多
文摘目的无监督单目图像深度估计是3维重建领域的一个重要方向,在视觉导航和障碍物检测等领域具有广泛的应用价值。针对目前主流方法存在的局部可微性问题,提出了一种基于局部平面参数预测的方法。方法将深度估计问题转化为局部平面参数估计问题,使用局部平面参数预测模块代替多尺度估计中上采样及生成深度图的过程。在每个尺度的深度图预测中根据局部平面参数恢复至标准尺度,然后依据针孔相机模型得到标准尺度深度图,以避免使用双线性插值带来的局部可微性,从而有效规避陷入局部极小值,配合在网络跳层连接中引入的串联注意力机制,提升网络的特征提取能力。结果在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)自动驾驶数据集上进行了对比实验以及消融实验,与现存无监督方法和部分有监督方法进行对比,相比于最优数据,误差性指标降低了10%~20%,准确性指标提升了2%左右,同时,得到的稠密深度估计图具有清晰的边缘轮廓以及对反射区域更优的鲁棒性。结论本文提出的基于局部平面参数预测的深度估计方法,充分利用卷积特征信息,避免了训练过程中陷入局部极小值,同时对网络添加几何约束,使测试指标及视觉效果更加优秀。
